提取图像的GLCM矩阵

资 源 简 介

提取图像的GLCM矩阵，并计算出Haralick建议的14个特征值

详 情 说 明

在文中，我们需要提取图像的灰度共生矩阵（GLCM）并计算出Haralick提出的14个特征值。这些特征值包括：

1. 对比度（Contrast）：用于衡量图像中不同灰度级之间的对比度。

2. 相关性（Correlation）：用于衡量图像中像素间的线性相关性。

3. 能量（Energy）：用于衡量图像中灰度级分布的均匀程度。

4. 逆差矩（Inverse Difference Moment）：用于衡量图像中灰度级分布的纹理粗糙度。

5. 熵（Entropy）：用于衡量图像中灰度级分布的不确定性。

6. 自相关（Autocorrelation）：用于衡量图像中像素自身的相关性。

7. 聚类阴影（Cluster Shade）：用于衡量图像中像素聚类的阴影部分。

8. 聚类倾斜（Cluster Prominence）：用于衡量图像中像素聚类的倾斜程度。

9. 最大相关系数（Maximum Correlation Coefficient）：用于衡量图像中像素之间的最大相关性。

10. 反差熵（Contrast Entropy）：用于衡量图像中灰度级分布的纹理变化程度。

11. 信息测度1（Information Measure of Correlation 1）：用于衡量图像中像素间的非线性相关性。

12. 信息测度2（Information Measure of Correlation 2）：用于衡量图像中像素间的非线性相关性。

13. 最大概率（Maximum Probability）：用于衡量图像中灰度级分布的峰值。

14. 聚集度（Sum Average）：用于衡量图像中像素聚集程度的平均值。

以上是Haralick提出的14个特征值，通过计算图像的GLCM矩阵，我们可以获得这些特征值并用于图像分析和处理。